MétaCan
Menu
Retour à la cohorte
Enregistrement W2774432807 · doi:10.1371/journal.pone.0189124

Co-existence of multiple trade-off currencies shapes evolutionary outcomes

2017· article· en· W2774432807 sur OpenAlexafffund
Alan A. Cohen, Caroline Isaksson, Roberto Salguero‐Gómez

Notice bibliographique

RevuePLoS ONE · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesVetenskapsrådetNatural Environment Research CouncilCanadian Institutes of Health ResearchEuropean CommissionAustralian Research CouncilSight Research UK
Mots-clésCurrencyTrade-offReproductionEconomicsEvolutionary biologyContingencyDigital currencyBiologySurvival of the fittestMonetary economicsEcology

Résumé

récupéré en direct d'OpenAlex

Evolutionary studies often assume that energy is the primary resource (i.e. "currency") at the heart of the survival-reproduction trade-off, despite recent evidence to the contrary. The evolutionary consequences of having a single trade-off currency versus multiple competing currencies are unknown. Using simulations, we modeled the evolution of either a single physiological currency between reproduction and survival, or of multiple such currencies. For a wide array of model specifications varying functional forms and strengths of the trade-offs, we show that the presence of multiple currencies (e.g. nutrients, time) generally results in the evolution of higher lifetime reproductive success through partial circumvention of such trade-offs. Evolution of the underlying physiology is also more highly contingent with multiple currencies. These results challenge the paradigm of a single survival-reproduction trade-off as central to life history evolution, suggesting greater roles for physiological constraints and contingency, and implying potential selection for evolution of multiple trade-off currencies.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,120
Tête enseignante GPT0,271
Écart entre enseignants0,151 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetAnimal Behavior and ReproductionTravaux en français237 207